随着现代社会对信息安全要求的不断提高,利用生物特征进行快速而准确的身份识别越来越受到人们的重视。静脉识别技术是一种新兴的非接触式红外生物特征识别技术,它不但识别率高而且安全性高、使用方便、实现容易,正逐步成为当前热门的研究课题。手指静脉识别技术根据近红外光可以被血液强烈吸收而被其他人体组织散射的特性,利用每个人的手指静脉分布不同这一特征进行身份识别。本论文在收集和分析近年来国内外有关生物识别技术研究成果的基础上,对手指静脉识别的关键技术进行了研究。本文重点完成了对手指静脉图像的预处理、特征提取以及匹配识别,在PC机上采用MATLAB 7.0对所有算法进行了仿真实验和分析,最后设计了手指静脉身份识别系统,具体内容如下:首先,对采集到的手指静脉图像进行预处理。实现对图像的边缘定位、归一化、滤波以及直方图修正处理。有效地去除了原始图像中的各种噪声,增强了图像的清晰度,为后文准确地提取手指静脉特征打下了基础。其次,对手指静脉图像进行特征提取。主要完成静脉拓扑结构的特征提取,即骨架特征。在分析传统算法的基础上,针对已有算法耗时长、准确性不高等问题,提出了一种有效去除干扰的快速特征提取方法。采用多尺度形态学变换,沿图像边界扫描,检测4个方向上手指静脉横截面灰度值所形成的谷形域,避免了逐像素点比较的缺点,实验结果表明,提取出的静脉连续性和细节完整性更优,算法耗时更少。再次,对手指静脉图像匹配算法进行研究。分别实现了基于Hu不变矩、Tchebichef正交不变矩,采用最近邻域特征的匹配算法,和基于BP神经网络的匹配算法。针对不变矩匹配算法识别率不高的问题,在BP神经网络算法中,提取手指静脉拓扑结构的几何特征,并结合矩特征构成新的输入特征向量。实验证明,基于BP神经网络的匹配算法在识别速度和识别率上都取得了更好的效果。最后,完成对手指静脉身份识别系统的设计。主要通过红外光源、CMOS图像传感器实现图像采集,ADSP BF561处理器完成算法处理。